AI Fund е студио за рискови инвестиции, което помага за създаването и развитието на компании, изградени около изкуствения интелект. Работейки с основатели и технологични пионери, то поема малцинствена роля на съосновател и подкрепя създаването на приложения с изкуствен интелект в области като производството, психичното здраве, образованието и здравеопазването. Дейността му съчетава изграждането на компании с практическа подкрепа за екипи, които прилагат изкуствен интелект за решаване на предизвикателства в различни индустрии.
Софтуерен инженер, AI системи (дистанционна работа от САЩ)
Изграждайте продукционни LLM агенти за корпоративната платформа на Haven Safety за разузнаване в областта на безопасността. Поемете отговорност за извличането, оценяването, наблюдаемостта и надеждността на системи за критични по отношение на безопасността разследвания.
Описание
- Разработвайте и изпълнявайте многостъпкови LLM конвейери, които координират извиквания на модели и инструменти, графови заявки, извличане, контролни точки за качество и предаване към специализирани агенти.
- Разширявайте координирания екип от агенти и слоя за оркестрация на Haven от доказателствата за инциденти през анализа и прегледа до организационното обучение.
- Създайте контекстния слой чрез обхождане на Neo4j, векторно търсене и хибридно извличане.
- Разработвайте набори от данни за оценяване, методи за точкуване, регресионни тестови набори, сравнения на модели, цикли с човешки преглед и приписване на качеството на ниво етап.
- Добавяйте проследяване, одит на извикванията към инструменти, наблюдение на разходите и латентността, възстановяване при откази и табла за качество.
- Идентифицирайте цикли на агентите, халюцинации и незабележимо влошаване на производителността, преди да засегнат клиентите.
- Избирайте между моделите на OpenAI, Anthropic и Google според изискванията на задачата.
- Работете в тясно сътрудничество с екипите по продукта и инженеринг на знанията.
- Допринасяйте за посоката на пътната карта за AI.
- Проектирайте, доставяйте, инструментирайте и непрекъснато подобрявайте системи за AI и LLM разсъждение, използвайки продукционни данни.
- Докладвайте директно на CTO.
Изисквания
- Опит в AI или машинното обучение, включително доставка на LLM системи, използвани от реални клиенти.
- Практически опит в изграждането и отстраняването на проблеми при многостъпкови работни процеси, използващи инструменти с LangGraph, LangChain или сравнима рамка.
- Систематичен подход към оценяването на LLM чрез представителни набори от данни, регресионни тестове, методи LLM-as-judge или цикли с човешки преглед.
- Опит в подготовката на контекст за LLM с ясна обосновка какво да се извлече, колко да се извлече и защо.
- Отговорност за продукционни системи от внедряването през наблюдението до реакцията при инциденти, включително диагностициране и отстраняване на откази или регресии.
- Способност за работа с различни доставчици на модели и обяснение на компромисите между качество, латентност, разходи, контекст и оперативен риск.
- Силно предпочитан е опитът с Neo4j и Cypher или сравнима графова база данни, както и способността за бързо усвояване на моделирането на графови данни.
- Напреднали умения по Python.
- Продукционен опит с FastAPI, асинхронни услуги, тестване, наблюдаемост и интерфейси, които се поддържат лесно.
- Предимство са познанията по Cypher, еволюция на схеми, MERGE модели, embeddings и експлоатация на активен граф на знанията.
- Предимство е познаването на prompt injection, предотвратяване на изтичане на контекст, изолиране на клиенти, контрол на достъпа на базата на роли и разделяне на слоя с политики.
- Предимство е опитът в експлоатацията на продукционни AI услуги в Azure и работата с Azure AI Search, Pinecone, MongoDB Atlas, pgvector, Elasticsearch или сходна платформа.
- Силно предпочитан е предишен опит в корпоративна среда.
- Кандидатите трябва да се намират в Съединените щати; преместване не се разглежда.
Придобивки
- Работа по значими предизвикателства в AI разсъждението.
- Присъединяване към екип, който поставя оценяването в центъра на инженерната си практика.
- Доставка на технологии с пряк и видим ефект върху клиентите.
- Широка отговорност в малък екип.
- Получаване на директна обратна връзка от екипите по безопасност и крайните потребители.
- Тясна работа с CTO, продукта и екипите по инженеринг на знанията.
- Вземане на важни технически решения и бързо виждане на резултатите при клиентите.